基于深度迁移学习的雷达HRRP小样本目标识别预训练及微调方法

摘要

本发明针对小样本条件下雷达目标HRRP识别难题，提出了基于深度迁移学习的雷达HRRP小样本目标识别预训练及微调方法。首先，设计了合适小样本目标的预训练模型，提出了一种可提高预训练模型泛化性能的损失函数，并用源域数据对预训练模型进行从头训练。在预训练模型的基础上，重新设置全连接层和输出层结构并初始化，构成微调模型。在微调过程中，为解决目标域数据集样本较少且类别不均衡导致识别性能不理想的问题，提出了一种可减少类别间样本不均衡引起的识别偏差并提高特征可分性的损失函数。在小样本条件下，与从头训练的卷积神经网络模型相比，所提方法在提高识别正确率的同时，提高了收敛速度和模型的稳定性。